在二手數碼回收業務對接中，愛回收商品詳情接口是獲取設備估價、成色分級、回收方式等核心數據的關鍵入口 —— 不同于普通電商商品，回收類商品需重點處理 “成色編碼映射”“實時估價波動”“回收渠道差異” 等特殊場景。本文參考標準化接口對接邏輯，結合愛回收平臺特色，拆解從認證到數據落地的全流程，提供可直接復用的代碼方案，解決簽名失敗、成色解析混亂、估價數據延遲等常見問題。

一、接口對接前置準備

1. 核心參數與權限說明（需平臺申請）

調用愛回收商品詳情接口前（ https://o0b.cn/lin ），需先從平臺獲取專屬憑證，確保請求合法性，關鍵參數如下：

2. 簽名生成規則（愛回收特色邏輯）

愛回收采用 HMAC-MD5 簽名機制，相比普通 MD5 增加密鑰二次校驗，步驟如下（少一步都可能失敗）：

參數篩選：僅保留非空的請求參數（含公共參數與condition_type等私有參數），排除sign本身；

字典序排序：按參數名首字母字典序升序排列（如app_key在condition_type前，product_id在timestamp前）；

字符串拼接：按 “key=value&key=value” 格式拼接排序后的參數（例：app_key=xxx&condition_type=2&product_id=123×tamp=1719000000000）；

密鑰拼接：在拼接字符串末尾添加 “&secret=xxx”（xxx 為app_secret，注意前綴有 “&secret=”）；

HMAC-MD5 加密：將最終字符串用app_secret作為密鑰進行 HMAC-MD5 加密，結果轉為小寫，即為sign值。

二、核心技術實現（適配回收場景）

1. 接口調用客戶端（含成色解析 + 緩存）

針對愛回收 “估價實時變”“成色類型多” 的特點，客戶端需額外處理成色編碼映射、估價區間提取、短時效緩存，代碼如下：

import requestsimport hashlibimport hmacimport timeimport jsonfrom threading import Lockfrom cachetools import TTLCacheclass AihuishouProductClient:    """愛回收商品詳情接口客戶端（含簽名、成色解析、短時效緩存）"""        # 愛回收成色編碼映射（固定對應關系，避免解析混亂）    CONDITION_MAP = {        1: "全新未拆封",        2: "95新（輕微使用痕跡）",        3: "9新（明顯使用痕跡，無功能問題）",        4: "8新（較多使用痕跡，無功能問題）",        5: "7新及以下（明顯磨損或輕微功能瑕疵）"    }        def __init__(self, app_key, app_secret, timeout=8, max_retries=2, cache_ttl=600):        """        初始化客戶端        :param app_key: 平臺分配app_key        :param app_secret: 平臺分配app_secret        :param timeout: 請求超時時間（秒），默認8秒（回收接口響應較快）        :param max_retries: 失敗重試次數，默認2次        :param cache_ttl: 緩存有效期（秒），默認10分鐘（適配估價實時性）        """        self.app_key = app_key        self.app_secret = app_secret        self.base_url = "https://api.aihuishou.com/product/detail"  # 接口固定地址        self.timeout = timeout        self.max_retries = max_retries        # 短時效緩存：避免頻繁調用導致估價數據重復獲取        self.cache = TTLCache(maxsize=1000, ttl=cache_ttl)        self.cache_lock = Lock()  # 緩存操作線程鎖        def _generate_sign(self, params):        """生成愛回收HMAC-MD5簽名"""        # 1. 篩選非空參數并字典序排序        valid_params = {k: v for k, v in params.items() if v is not None}        sorted_params = sorted(valid_params.items(), key=lambda x: x[0])        # 2. 拼接"key=value&key=value"格式        param_str = "&".join([f"{k}={v}" for k, v in sorted_params])        # 3. 追加"&secret=app_secret"        sign_str = f"{param_str}&secret={self.app_secret}"        # 4. HMAC-MD5加密（密鑰為app_secret）        hmac_obj = hmac.new(            self.app_secret.encode("utf-8"),            sign_str.encode("utf-8"),            hashlib.md5        )        return hmac_obj.hexdigest().lower()        def _get_cache_key(self, product_id, condition_type=None):        """生成緩存鍵（區分商品ID和成色類型）"""        cond_suffix = f"_cond{condition_type}" if condition_type else "_default"        return f"aihuishou_{product_id}{cond_suffix}"        def get_product_detail(self, product_id, condition_type=None, use_cache=True):        """        核心方法：獲取愛回收商品詳情（含估價、成色、回收方式）        :param product_id: 回收商品ID        :param condition_type: 設備成色類型（可選，見CONDITION_MAP）        :param use_cache: 是否使用緩存（默認啟用，實時場景可關閉）        :return: 結構化商品數據（None表示失敗）        """        # 1. 先查緩存（避免重復請求）        if use_cache:            cache_key = self._get_cache_key(product_id, condition_type)            with self.cache_lock:                if cache_key in self.cache:                    print(f"[緩存命中] 商品{product_id}（成色：{condition_type}）")                    return self.cache[cache_key]                # 2. 構建基礎請求參數        base_params = {            "app_key": self.app_key,            "product_id": product_id,            "timestamp": str(int(time.time() * 1000)),  # 毫秒級時間戳            "condition_type": condition_type  # 可選參數，非空才傳入        }        # 過濾None值（避免參數格式錯誤）        base_params = {k: v for k, v in base_params.items() if v is not None}                # 3. 生成簽名并添加到參數        base_params["sign"] = self._generate_sign(base_params)                # 4. 發送請求（帶重試機制）        retry_count = 0        while retry_count < self.max_retries:            try:                response = requests.get(                    url=self.base_url,                    params=base_params,                    headers={"User-Agent": "AihuishouProductClient/1.0"},                    timeout=self.timeout                )                response.raise_for_status()  # 捕獲4xx/5xx錯誤                                # 5. 解析JSON響應                try:                    result = response.json()                except json.JSONDecodeError:                    print(f"商品{product_id}：響應非JSON格式，解析失敗")                    retry_count += 1                    continue                                # 6. 處理業務錯誤（愛回收code=200為成功）                if result.get("code") != 200:                    error_msg = result.get("msg", "未知錯誤")                    print(f"商品{product_id}：接口錯誤 - {error_msg}（code:{result.get('code')}）")                    # 簽名/參數錯誤無需重試                    if result.get("code") in [401, 402]:  # 401=簽名錯，402=參數錯                        return None                    retry_count += 1                    continue                                # 7. 解析回收特色數據                parsed_data = self._parse_recycle_data(result.get("data", {}), condition_type)                if not parsed_data:                    print(f"商品{product_id}：數據解析為空，跳過")                    return None                                # 8. 寫入緩存                if use_cache:                    with self.cache_lock:                        self.cache[cache_key] = parsed_data                                return parsed_data                        except requests.exceptions.RequestException as e:                print(f"商品{product_id}：請求異常 - {str(e)}")                retry_count += 1                time.sleep(1)  # 重試前休眠1秒                print(f"商品{product_id}：超過{self.max_retries}次重試，獲取失敗")        return None        def _parse_recycle_data(self, raw_data, condition_type):        """解析愛回收回收特色數據（核心：估價、成色、回收方式）"""        if not isinstance(raw_data, dict):            return None                # 1. 基礎商品信息（設備型號、品牌、規格）        base_info = {            "product_id": raw_data.get("productId", ""),            "brand": raw_data.get("brandName", ""),  # 如"蘋果"            "model": raw_data.get("modelName", ""),  # 如"iPhone 15 Pro"            "spec": raw_data.get("specInfo", ""),    # 如"256GB·黑色"            "release_year": raw_data.get("releaseYear", "")  # 發布年份（回收估價參考）        }                # 2. 估價信息（區分不同成色的估價區間）        price_info = self._parse_price(raw_data.get("priceRange", {}), condition_type)                # 3. 回收方式與服務（上門/郵寄、質檢周期）        service_info = {            "recycle_methods": [                "上門回收" if method == 1 else "郵寄回收"                 for method in raw_data.get("recycleMethods", [])            ],            "inspection_cycle": raw_data.get("inspectionCycle", "24小時內"),  # 質檢周期            "payment_time": raw_data.get("paymentTime", "質檢通過后2小時內")   # 打款時間        }                # 4. 成色說明（當前查詢成色+支持的成色列表）        condition_info = {            "current_condition": self.CONDITION_MAP.get(condition_type, "未指定"),            "supported_conditions": [                {"code": k, "name": v} for k, v in self.CONDITION_MAP.items()            ]        }                return {            "base_info": base_info,            "price_info": price_info,            "service_info": service_info,            "condition_info": condition_info,            "parse_time": time.strftime("%Y-%m-%d %H:%M:%S", time.localtime())        }        def _parse_price(self, raw_price, condition_type):        """解析估價信息（愛回收按成色返回不同估價區間）"""        if not raw_price:            return {"price_range": "未知", "currency": "人民幣"}                # 若指定成色，優先取對應成色估價；否則取默認區間        if condition_type and str(condition_type) in raw_price:            price = raw_price[str(condition_type)]            return {                "price_range": f"{price.get('min')}-{price.get('max')}元",                "currency": "人民幣",                "note": "按指定成色計算"            }        else:            # 默認取全成色區間（min取最小，max取最大）            all_prices = list(raw_price.values())            min_total = min([p.get('min', 0) for p in all_prices])            max_total = max([p.get('max', 0) for p in all_prices])            return {                "price_range": f"{min_total}-{max_total}元",                "currency": "人民幣",                "note": "全成色區間（指定成色可獲取更精準估價）"            }

三、實戰示例（貼合回收業務場景）

1. 單商品精準估價查詢（指定成色）

def single_product_demo():    """單商品查詢示例：查iPhone 15 Pro 256GB的95新估價"""    # 1. 替換為自身的app_key和app_secret（從愛回收開放平臺申請）    APP_KEY = "your_aihuishou_app_key"    APP_SECRET = "your_aihuishou_app_secret"    # 2. 目標商品ID（假設iPhone 15 Pro 256GB的product_id為10086）    TARGET_PRODUCT_ID = "10086"    # 3. 指定成色：95新（對應condition_type=2）    TARGET_CONDITION = 2        # 4. 初始化客戶端（緩存10分鐘，適配估價實時性）    client = AihuishouProductClient(        app_key=APP_KEY,        app_secret=APP_SECRET,        cache_ttl=600    )        # 5. 獲取并打印詳情    print(f"開始查詢商品ID {TARGET_PRODUCT_ID}（{client.CONDITION_MAP[TARGET_CONDITION]}）...")    product_detail = client.get_product_detail(        product_id=TARGET_PRODUCT_ID,        condition_type=TARGET_CONDITION    )        if product_detail:        print("n=== 愛回收商品詳情 ===")        print(f"設備型號：{product_detail['base_info']['brand']} {product_detail['base_info']['model']}")        print(f"規格配置：{product_detail['base_info']['spec']}")        print(f"查詢成色：{product_detail['condition_info']['current_condition']}")        print(f"精準估價：{product_detail['price_info']['price_range']}")        print(f"回收方式：{', '.join(product_detail['service_info']['recycle_methods'])}")        print(f"質檢周期：{product_detail['service_info']['inspection_cycle']}")    else:        print(f"n商品{TARGET_PRODUCT_ID}詳情獲取失敗")if __name__ == "__main__":    single_product_demo()

2. 批量商品回收數據采集（多型號 + 多成色）

from concurrent.futures import ThreadPoolExecutor, as_completeddef batch_product_demo():    """批量采集示例：多型號+多成色組合查詢"""    APP_KEY = "your_aihuishou_app_key"    APP_SECRET = "your_aihuishou_app_secret"    # 批量任務：(product_id, condition_type) 組合    BATCH_TASKS = [        ("10086", 2),  # iPhone 15 Pro 256GB - 95新        ("10087", 3),  # 華為Mate 60 Pro 512GB - 9新        ("10088", 4),  # 小米14 256GB - 8新        ("10089", 1)   # 三星S24 Ultra 512GB - 全新    ]    MAX_WORKERS = 2  # 并發數（愛回收接口建議≤2，避免頻率限制）        # 初始化客戶端    client = AihuishouProductClient(APP_KEY, APP_SECRET)    batch_result = []        print(f"開始批量采集 {len(BATCH_TASKS)} 個商品回收數據（并發：{MAX_WORKERS}）...")        # 多線程提交任務    with ThreadPoolExecutor(max_workers=MAX_WORKERS) as executor:        future_map = {            executor.submit(client.get_product_detail, task[0], task[1]): task             for task in BATCH_TASKS        }                # 處理結果        for future in as_completed(future_map):            product_id, cond_type = future_map[future]            try:                data = future.result()                if data:                    batch_result.append(data)                    print(f"? 商品{product_id}（{client.CONDITION_MAP[cond_type]}）采集成功")                else:                    print(f"? 商品{product_id}（{client.CONDITION_MAP[cond_type]}）采集失敗")            except Exception as e:                print(f"??  商品{product_id}處理異常：{str(e)}")        # 輸出批量統計    print(f"n=== 批量采集完成 ===")    print(f"總任務數：{len(BATCH_TASKS)}")    print(f"成功數：{len(batch_result)}")    print(f"失敗數：{len(BATCH_TASKS) - len(batch_result)}")# 運行批量示例# if __name__ == "__main__":#     batch_product_demo()

四、回收場景專屬避坑指南

1. 成色編碼別搞混：固定映射是關鍵

愛回收成色condition_type為整數編碼（1-5），而非文字，需用CONDITION_MAP映射成可讀文字（如 2→95 新）；

若接口返回 “成色類型不支持”，檢查condition_type是否在 1-5 范圍內（部分老機型僅支持 3-5 成色）。

2. 估價數據別緩存太久：10 分鐘是上限

回收估價受市場波動影響（如新機發布后舊機估價下跌），緩存時間建議≤10 分鐘，實時場景（如用戶實時查詢）可關閉緩存；

緩存鍵需包含product_id+condition_type（同一商品不同成色估價不同，避免緩存污染）。

3. 回收方式字段要適配：枚舉值會更新

愛回收recycleMethods返回整數列表（1 = 上門，2 = 郵寄），若新增 “門店回收”（如 3 = 門店），需及時更新_parse_recycle_data中的映射邏輯；

部分偏遠地區不支持上門回收，需在業務層判斷recycle_methods是否包含 “上門回收”。

4. 時間戳別踩坑：毫秒級 + 時差控制

愛回收要求時間戳為毫秒級（普通接口多為秒級），需用int(time.time() * 1000)生成；

服務器時間為 UTC+8，本地時間若偏差超過 5 分鐘，會返回 “時間戳無效”，需同步本地時間。

五、常見問題快速排查

審核編輯 黃宇